モデルが OpenAI、Anthropic から来ているか、オープンソースのソリューションを改造したものであるかにかかわらず、現在の人工知能技術には共通の短所がある。それは、追加の訓練を行わなければ、自らの誤りから学ぶことができないという点である。企業が一般的なモデルを法律、金融などの専門分野に適用しようとする場合、通常は微調整が必要であり、これはしばしば内部研究チームを編成するか、高額な外部の先端デプロイエンジニアを雇うことを意味する。
設立から約1年のスタートアップであるTrajectoryは、このプロセスを自動化することを目指している。同社の3人の創業者はスタンフォードの同窓生で、以前はそれぞれ Google、DeepMind、Appleで働いていた。最近、同社は4500万ドル（約3.2億元人民元）のAラウンド融資を完了し、評価額は3億ドル（約21.3億元人民元）に達した。リード投資家はSequoia Capitalで、NVIDIA、Bessemer、Bain Capitalのベンチャーキャピタルも参加している。現在、同社の規模はわずか18人である。
Trajectoryは自動化された人工知能微調整ソリューションを提供
Trajectoryは継続的学習のアプローチを採用している。企業はオープンソースモデルから始め、自社のアプリケーションにプラットフォームを接続することで、システムがモデルのパフォーマンスに関するフィードバックを継続的に収集し、それを用いてモデルを再訓練し、特定のタスクでのパフォーマンスを向上させることができる。共同創業者のロナック・マルは、基礎モデルは非常に賢いが常に新しい仕事を探している博士課程の学生のようなものであり、「経済が本当に重視するのは、同じ職場で30年働いた人」であると比喩している。
マルによれば、Trajectoryを使うことで、弁護士や医師などの専門家は基本的に自分でモデルを調整でき、アルゴリズムチームに依存する必要がなくなるため、専門的な人工知能の導入がより迅速かつ安価になるという。HarveyとRogoはすでにこのプラットフォームを使用してオープンソースモデルの後訓練を行い、経験豊富な弁護士や金融アナリストのように振る舞えるようにしている。たとえば、特定の種類の契約をレビューしたり、特定の方法で企業を評価したりすることを学んでいる。他の顧客にはDecagon、Mercor、NVIDIAが含まれ、このプラットフォームは現在一般に公開されている。
このアプローチは「自己改善の再帰」に似ているが、共同創業者のマイケル・エラブは、人間が訓練プロセスに参加することでTrajectoryがより安全になると考えている。完全に自律的な自己改善は予期しない、さらには危険な結果をもたらす可能性がある。競争相手は少なくなく、Thinking Machines Labの微調整プラットフォームTinker、先月評価額が32.5億ドル（約231億元人民元）に達したApplied Compute、企業が自社の知能体を管理するのを助けるPrime Intellectなどが、彼らの直接の競争相手と見なされている。
マルはチームを最大の強みと見なしている。彼自身はGoogle DeepMindからWindsurfに採用された研究者の一人であり、エラブも同様にDeepMind出身である。3人目の創業者であるアルジョン・カラナンは、以前Appleで生成的基礎モデルに従事していた。会社はまた、OpenAI、Stripe、Netflixから研究および製品設計の人員を採用している。カラナンは、技術に詳しくない顧客でも簡単に後訓練を行えるように特別に設計したインターフェースを用意していると述べている。